AI 正在让糟糕的工程变得更贵

开发者 Florian Herrengt 的一篇博客文章在 Hacker News 上挂了很久，之所以没有像大多数帖子那样一天之内就沉下去，是因为它本质上不是一篇观点文——它描述的是一种机制，讲得足够清楚，以至于人们一直在争论它，而不是翻篇走人。把他的论点压缩一下：AI 并没有让糟糕的工程师变得没那么危险。它让他们变快了，而一个糟糕的工程师如果能在午饭前产出 10,000 行能跑但错误的代码，一周造成的破坏就比过去那个被打字速度卡住的人更大。

我想看看这个论断能不能经得起真实数据的检验，而不是只在评论区里靠感觉互相点头，结论是基本成立——但对那个恐慌版本的故事需要做一处重要修正。

机制，用 Herrengt 自己的话说

他的核心主张是：实现过去是软件工程中昂贵的那部分，现在不是了——现在昂贵的是审查和理解。生成代码几乎已经免费。理解生成出来的东西、发现过早的数据库反规范化或者因为错误理由引入的工具、在数据开始流经这个错误之前把它回滚，仍然是缓慢的人工劳动，而且一点都没有变快。一旦糟糕的架构决策上线、数据开始依赖它们，撤销的难度就呈指数级上升——而 AI 只是意味着更多这类决策会在任何资深的人看到之前就被做出并发布出去。

他的结论是分化，不是崩塌：判断力强的工程师会显著更有价值，因为他们是能够评估模型产出、让系统保持连贯的人。而那些主要经济价值在于细致、正确的实现的工程师——历史上，这恰恰是这个职业真正的“中间层”——失去了让他们有饭碗的东西，因为这项具体技能正是最先被自动化的。

数据对审查瓶颈到底怎么说

这部分站得住，而且比我预想的更站得住。Faros AI 的 2026 年工程报告从大约 4,000 个团队、22,000 名开发者中提取数据，发现在 AI 高采用率下，花在 PR 审查上的中位时间上升了 441.5%，PR 平均体积上升了 51.3%。每个 pull request 的 bug 数上升了 54%。与此同时，完全没有经过任何审查就合并的 PR 上升了 31.3%——也就是说，本该接住 Herrengt 所描述的那种失败模式的安全网，在流经它的量激增的同时正在磨损。

另一项 JetBrains 的行为研究通过 IDE 遥测追踪发现，使用 AI 工具的开发者每月大约执行 100 次删除/撤销操作，而不使用 AI 的开发者每月 7 次——返工量相差 14 倍，这相当直接地反映了“生成出后来发现是错的、不得不撤回的东西”这件事。还有 CodeRabbit 对 470 个开源 pull request 的分析发现，AI 生成的代码产生的问题比人类写的代码多 1.7 倍，其中逻辑和正确性错误更是上升了 75%。这些都不是抽象意义上的“AI 写烂代码”——而是同一时间有更多代码涌进审查环节，审查能力没有随之扩展，而缺口所在之处，正是 Herrengt 那个“糟糕的工程师跑得更快”的场景真正发生的地方。

数据比恐慌性标题更谨慎的地方

这里需要做一点修正。读完 Herrengt 的帖子，人的本能反应是认定初级和中级岗位正在全面消失，而实际情况并非如此——斯坦福数字经济实验室在 2026 年 8 月发表了一项研究，使用的是 ADP 从 2022 年 11 月到 2026 年 6 月的薪资数据。这项研究值得一读，恰恰因为研究者刻意避免夸大结论。在 AI 暴露程度最高的职业中，22 至 25 岁劳动者的就业水平，比照暴露程度较低的领域中同龄人的就业轨迹推算出的水平低约 19%。这一差距自 2025 年 8 月以来持续扩大。女性受到的影响更大，因为她们平均而言从事的岗位 AI 暴露程度更高。 但该研究自己给出的明确结论是：“我们没有看到与 AI 相关的、广泛且覆盖全经济体的岗位消失。”同样处于高暴露职业中的资深劳动者，完全没有出现可比的差距。这是一个集中在一个年龄段、一类任务上的定向效应——还谈不上恐慌版本所讲的那种“这个职业的中产阶层已经没了”的全局叙事。它更接近 Herrengt 实际主张的东西，而不是他那篇帖子被标题化之后的版本：侵蚀是真实的，是可测量的，而且恰好打击的是做常规、低判断性实现工作的那一段人群——也正是他称为“中产阶层”的那一段。

Hacker News 讨论串上真正的共识与分歧

讨论串中得票最高的评论并不反驳这一论点，反而在强化它：糟糕的工程师在 AI 辅助下，如今会把自己的糟糕工程“放大十倍”，垃圾进垃圾出对生成代码的适用方式，和它一直以来对从 Stack Overflow 复制粘贴来的答案的适用方式完全一样，只是量更大。讨论串真正的分歧在于该怎么办。一个反复出现的论点是职业化——像法律和会计那样对软件工程师实行执业许可——反方观点则是，许可制度会制造卡特尔，并拖慢那种让软件区别于上述行业的快速迭代。第二条反复出现的线索把矛头指向“学编程”训练营时代，认为它向市场灌入了大量从未获得过那种能把初级变成资深的指导的工程师；这是一个更早的、独立的问题，AI 只是在加剧它，而不是造成它。第三条线索认为，整个 leetcode 面试模式对于 Herrengt 所说的如今最重要的判断力而言，本来就是个糟糕的筛选器。其中一位工程经理说自己已经完全弃用它，改为让候选人和真实团队一起解决真实问题，并承认按 leetcode 版本面试，“我团队里 85% 的人会挂掉”。

如果我现在刚入行，真正会从中得到什么

老实说，结论并不是“别当软件工程师”。真正被挤压的，恰恰是那条传统路径——以初级工程师的身份被招进来，花几年时间做细致、有人好好盯着的实现工作，慢慢攒出让你成为资深工程师的判断力。因为“细致实现”这一步，正是变便宜的那一步。Stanford 的数据说明，对于二十出头、身处最暴露岗位的人来说，这条路眼下确实明显变窄了。它没有说这个行业不再需要判断力。恰恰相反，这篇文章里的每一个数字都指向另一个方向——代码审查、架构上的一致性、以及看出一个自动生成的 10,000 行 PR 哪里悄悄错了，这些能力比三年前更值钱，而不是更不值钱。正在消失的技能，是“仅仅因为能快速敲出正确的代码而有价值”。这从来就不是这份工作真正难的部分。它只是过去慢到足以让人躲在后面而已。